专业文献/行业资料->计算机

第30卷,第6期 光谱学与光谱分析2010年6月 SpectroscopyandSpectralAnalysis

Vol 30,No 6,pp1624 1627

June,2010

一种融合边缘信息的面向对象遥感图像分割方法

谭玉敏1,槐建柱1,唐中实2

1.北京航空航天大学交通科学与工程学院,北京 1001912.清华大学土木工程系,北京 100084

摘 要 针对高分辨率遥感图像边缘突出、上下文信息丰富等特点,提出一种融合边缘特征的区域分割算法,基于面向对象图像分析方法,综合考虑遥感图像的光谱和空间特征。首先应用SUSAN算子对全色波段图像提取边缘信息,然后对融合后的彩色图像进行两阶段分割,第一阶段采用倒四叉树融合成初始图像对象,在第二阶段中通过在区域异质性判据中增加边界强度特征的方式融合已提取的边缘信息进行分级区域合并,形成图像分割结果。文中用三峡库区某区域QuickBird数据进行了实验,并与ENVIZoom和Defini ens下的分割结果进行了效果对比和定量评价,结果表明该方法可行、有效。

关键词 遥感图像;区域分割;边缘;面向对象;四叉树中图分类号:TP751 1 文献标识码:A DOI:10 3964/j issn 1000 0593(2010)06 1624 04

函数中,通过区域增长寻找目标函数的最优解,Rotem等[10]

引 言

随着高分辨遥感图像的广泛应用,面向对象的图像分析方法越来越显示出其优势[1],其中图像分割、边缘检测、特

征提取和分类等是其关键技术基础。图像的空间维特征如距离、相邻关系以及拓扑等是面向对象的图像分析方法中的关键性因素,因此基于区域的图像分割得到越来越多的关注[2]。利用区域分割可以得到封闭的边界,但所得边界难以精确与特征边缘匹配;而边缘检测则相反,它能够有效利用图像光谱信息特征,得到局部的突变,形成边缘,但过分关注局部细节,因此很多研究开始关注将区域分割与边缘检测相结合[3,4]。

在区域分割与边缘检测相结合的相关研究中,主要集中在如何在区域分割过程中应用提取出的边缘信息,目前的文献主要集中在以下几方面:一是在区域生长过程中,将提取出的边缘通过一些规则限制区域的生长[5,6],其缺陷在于区域增长是基于像素的生长,设有有效应用区域空间特征;二是在区域生长过程中,通过判据将边缘信息和其他信息结合起来,判断区域能否合并[7,8],如运用Fibonacci数列得到区域边界图,再通过判据结合区域和边缘信息形成标记图,运用区域分裂生长算法进行图像分割;再一种是在概率模型中引入边缘信息,如YU等[9]将边界信息引入MARKOV模型 收稿日期:2010 02 08,修订日期:2010 05 12

将边界图用于计算像素与Gaussian类之间存在边界的可能性,从而精确地进行区域分割;还有的将边缘信息用于分割

后区域闭合处理[11]。

考虑到边缘检测和区域生长可能会有几个像素的位置误差,这样产生的错误的融合需要很多的资源来校正,以及目前区域分割算法在多尺度分割方面的参数调整复杂性,本文提出一种在区域分割过程中通过判据将区域信息和边缘信息结合起来进行高分辨率遥感图像分割的方法。

1 本文方法

本文方法如图1所示,遥感数据首先经过高斯滤波处理,然后进行SUSAN滤波提取边缘得到边界图,对高斯滤波处理的图像进行四叉树分割,然后在区域合并过程中,利用本文改进的判据结合已提取的边缘信息,引导区域合并过程,从而得到最终的图像分割结果。

1 1 SUSAN边缘提取

遥感图像边界信息图可以通过Canny算子或者Sobel算子得到,但是试验显示,Canny产生的边界比较粗大,参数不好确定,而且会引入错误的边界[12];基于Sobel算子得到的边界强度信息,以判据的方式用于区域合并效果较差。考虑到算法运行效率的因素,本文采用了SUSAN算子提取边

基金项目:国家自然科学基金项目(40901198),极地测绘科学国家测绘局重点实验室开放基金项目(200810)和空间数据挖掘与信息共享教

育部重点实验室(福州大学)开放基金项目(200805)资助

作者简介:谭玉敏,女1977, e mbuaa.cn